Cargar paquetes 
import os
import numpy as np
import pandas as pd
import plotly.graph_objects as go
from math import pi
from prince import PCA
from umap.umap_ import UMAP
from sklearn.manifold import TSNE
from sklearn.preprocessing import StandardScaler
datos = pd.read_csv('../data/gimnasio.csv', delimiter = ';', decimal = ".")
pred  = datos["Experiencia"]
datos = datos.drop(['Experiencia'], axis=1)
datos = pd.get_dummies(datos)
datos.dtypes
Edad                      int64
Peso                    float64
Altura                  float64
Max_BPM                   int64
Avg_BPM                   int64
Rep_BPM                   int64
Duracion                float64
Calorias                  int64
Grasa                   float64
Agua                    float64
Frecuencia                int64
IMC                     float64
Genero_Femenino            bool
Genero_Masculino           bool
Entrenamiento_Cardio       bool
Entrenamiento_Fuerza       bool
Entrenamiento_HIIT         bool
Entrenamiento_Yoga         bool
dtype: object
escalar = StandardScaler()
datos_escalados = escalar.fit_transform(datos)
datos_escalados = pd.DataFrame(datos_escalados)
datos_escalados.columns = datos.columns
datos_escalados.index = datos.index
datos_escalados
Edad Peso Altura Max_BPM Avg_BPM Rep_BPM Duracion Calorias Grasa Agua Frecuencia IMC Genero_Femenino Genero_Masculino Entrenamiento_Cardio Entrenamiento_Fuerza Entrenamiento_HIIT Entrenamiento_Yoga
0 1.422343 0.681493 -0.098545 0.010081 0.922970 -0.303555 1.264598 1.495690 -1.978321 1.455967 0.743295 0.794278 -0.950847 0.950847 -0.595947 -0.600699 -0.542110 1.752464
1 0.600965 0.049316 -1.508604 -0.076726 0.504494 0.515749 0.127098 -0.082284 1.426301 -0.877898 0.743295 1.064652 1.051694 -1.051694 -0.595947 -0.600699 1.844645 -0.570625
2 -0.548964 -0.271491 -0.490228 -1.118414 -1.518142 -1.122858 -0.427068 -0.838243 1.346380 -0.544488 0.743295 -0.030361 1.051694 -1.051694 1.678001 -0.600699 -0.542110 -0.570625
3 -1.123928 -0.974433 -0.176881 0.878155 1.411193 -0.849757 -1.943735 -1.370351 0.611110 -0.877898 -0.352502 -0.976669 -0.950847 0.950847 -0.595947 1.664728 -0.542110 -0.570625
4 -0.056137 -1.309393 0.528148 0.704540 0.992716 0.788850 -1.797902 -1.282278 0.675047 0.289035 -0.352502 -1.580503 -0.950847 0.950847 -0.595947 1.664728 -0.542110 -0.570625
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
968 -1.206066 0.624880 0.136465 0.617733 0.992716 0.652299 0.914598 1.682845 -2.393908 1.455967 0.743295 0.579482 -0.950847 0.950847 -0.595947 1.664728 -0.542110 -0.570625
969 -1.123928 -0.342257 -0.881911 0.357311 1.550685 -0.849757 0.360432 1.301196 0.003713 0.622444 -1.448299 0.116842 -0.950847 0.950847 -0.595947 1.664728 -0.542110 -0.570625
970 1.668756 -0.634756 0.293138 1.225384 -1.657634 -1.259409 1.352098 0.086523 -0.987304 0.122330 1.839092 -0.812942 1.051694 -1.051694 1.678001 -0.600699 -0.542110 -0.570625
971 -0.548964 2.478951 0.841495 1.572614 0.155764 -0.030454 -0.456235 -0.082284 0.515205 -0.877898 -0.352502 1.926843 -0.950847 0.950847 -0.595947 -0.600699 1.844645 -0.570625
972 0.600965 0.700363 -0.725238 -1.205221 0.155764 0.515749 -1.477068 -1.333653 0.611110 1.455967 -1.448299 1.271938 -0.950847 0.950847 -0.595947 1.664728 -0.542110 -0.570625

973 rows × 18 columns

n_components: Especifica el número de componentes principales que se desean conservar.

pca = PCA(n_components = 5)
pca.fit(datos_escalados)
individuos = pca.row_coordinates(datos_escalados)
individuos
PCA(n_components=5)
In a Jupyter environment, please rerun this cell to show the HTML representation or trust the notebook.
On GitHub, the HTML representation is unable to render, please try loading this page with nbviewer.org.
component 0 1 2 3 4
0 3.329860 -1.249739 -0.290032 -1.030253 -0.579701
1 -1.692899 -0.751435 2.037967 0.125233 -2.000937
2 -2.089927 0.088521 1.028547 -0.720738 1.574962
3 -1.199111 1.679009 -1.294595 1.758996 0.426842
4 -0.769177 1.584771 -2.410124 1.820237 0.480036
... ... ... ... ... ...
968 3.397728 -1.451037 0.101017 1.861335 0.277125
969 0.903832 -0.061699 -0.016815 1.998531 0.354720
970 -0.188443 -2.204169 0.165569 -1.276879 1.425872
971 1.546681 2.159396 2.124486 -0.076394 -1.976363
972 0.407555 2.867745 0.048714 2.256457 -0.311599

973 rows × 5 columns

x = individuos.iloc[:, 0]
y = individuos.iloc[:, 1]

fig = go.Figure()

for cat in pred.unique():
  no_plot = fig.add_trace(
    go.Scatter(x = x[pred == cat], y = y[pred == cat], mode = 'markers', name = cat)
  )

fig.update_layout(
  xaxis_title = "Componente 1",
  yaxis_title = "Componente 2",
  legend_title = "Experiencia",
  legend = dict(
    yanchor = "top", y = 0.99,
    xanchor = "left", x = 0.01
  )
)

n_components: Indica la cantidad de componentes que vamos a generar.

n_neighbors: Este parámetro controla como UMAP equilibra la estructura local versus global en los datos. Lo hace restringiendo el tamaño del vecindario local. Se recomienda utilizar una cantidad de \(\frac{n}{k}\) donde \(n\) es la canitdad total de datos y \(k\) la cantidad de clusters a formar.

umap = UMAP(n_components = 2, n_neighbors = 325)
individuos = umap.fit_transform(datos_escalados)
individuos = pd.DataFrame(individuos, index=datos_escalados.index)
individuos
0 1
0 5.396263 6.263515
1 11.057268 3.508857
2 11.765102 5.852460
3 8.896211 8.043849
4 8.809156 8.052700
... ... ...
968 4.960216 7.135543
969 8.537649 8.418722
970 10.523856 5.395488
971 6.339933 8.125097
972 7.936487 7.753097

973 rows × 2 columns

x = individuos.iloc[:, 0]
y = individuos.iloc[:, 1]

fig = go.Figure()

for cat in pred.unique():
  no_plot = fig.add_trace(
    go.Scatter(x = x[pred == cat], y = y[pred == cat], mode = 'markers', name = cat)
  )

fig.update_layout(
  xaxis_title = "Componente 1",
  yaxis_title = "Componente 2",
  legend_title = "Experiencia",
  legend = dict(
    yanchor = "top", y = 0.99,
    xanchor = "left", x = 0.01
  )
)

n_components: cantidad de componentes a generar.

perplexity: La perplejidad está relacionada con el número de vecinos más cercanos que se utiliza en otros múltiples algoritmos de aprendizaje. Los conjuntos de datos más grandes suelen requerir una mayor perplejidad. Considere seleccionar un valor entre 5 y 50. Valores diferentes pueden generar resultados significativamente diferentes. La perplejidad debe ser menor que el número de muestras.

learning_rate: La tasa de aprendizaje de t-SNE suele estar en el rango [10,0, 1000,0], es preferible dejarla en automatica.

tsne = TSNE(n_components=2, perplexity=10, learning_rate='auto', init='random')
individuos = tsne.fit_transform(datos_escalados)
individuos = pd.DataFrame(individuos, index=datos_escalados.index)
individuos
0 1
0 -8.725916 -24.905657
1 61.086277 -7.725172
2 4.803576 -4.994265
3 -55.744488 -25.657858
4 -56.188995 -24.579985
... ... ...
968 -22.261967 -4.612391
969 -50.129219 -22.464746
970 15.969269 -15.394198
971 -12.121456 55.667549
972 -43.028133 -6.995152

973 rows × 2 columns

x = individuos.iloc[:, 0]
y = individuos.iloc[:, 1]

fig = go.Figure()

for cat in pred.unique():
  no_plot = fig.add_trace(
    go.Scatter(x = x[pred == cat], y = y[pred == cat], mode = 'markers', name = cat)
  )

fig.update_layout(
  xaxis_title = "Componente 1",
  yaxis_title = "Componente 2",
  legend_title = "Experiencia",
  legend = dict(
    yanchor = "top", y = 0.99,
    xanchor = "left", x = 0.01
  )
)